擁有台灣實體連鎖藥妝龍頭地位的台灣屈臣氏，近年來持續擴大數位轉型的腳步，自2014年成立屈臣氏網路商店，積極發展電商市場外，更透過結合Insider的AI技術，自營的官網加上藉由大量的門市銷售數據、會員消費行為累積，及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者，大幅提升消費者在Online成交與在線下購物的OO全通路消費體驗，大大提升轉換率。 OO線上加線下 提升客戶轉換率，帶動業績成長 屈臣氏集團為全球零售巨擘，過去30年在台灣落地深耕，專精於零售、門市營運SOP流程優化、零售供應鏈等，但對於電子商務平台經營只有數年，在電商領域如何提升轉化率、透過個人化的AI演算法提供客戶最佳化購物體驗並無足夠的人才與技術資源。 相比於在零售業經常被討論的「O2O」（online to offline），屈臣氏奉行的方向則是「OO」，也就是線下加線上。目前在屈臣氏網路商店下單的客戶，約有兩成會選擇到門市現場取貨。這時門市人員的服務如果到位，扮演現場購買的「觸媒」，就有機會利用線上商店導進來的客戶，為實體店創造額外業績。 根據統計，屈臣氏擁有將近600萬會員，在實體門市零售領域交易資料量龐大，但對比擁有120萬以上APP活躍用戶及近300萬App 下載量，會員活化的程度仍嫌不足，若能夠透過AI技術進行數據整合，也就是透過AI提供客戶進行最佳化的商品推薦以提升客戶從Offline 行為轉換至Online消費，或是導引線上客戶前往門市消費，將可提升大大客戶轉換率，帶動業績成長。 首頁個人化推薦模組：為您推薦 屈臣氏原始使用的開發套件為全球系統商SAP的電商解決方案Hybris，對於電子商務比較偏向單純展示、銷售，缺乏足夠技術資源處理提升消費體驗升級的相關解決方案。 Insider是一家行銷科技（martech）公司，在全球25個城市設有據點，並在台灣有專業的顧問團隊，提供顧客在地化的數位解決方案，致力於以技術優化數位行銷成效，幫助品牌推動數位成長。Insider是許多國內及全球企業包含屈臣氏、家樂福、IKEA、Lenovo、愛迪達、信義房屋、新加坡航空等大型企業的合作夥伴，在透過AI技術提升客戶轉換率、回購率、及提升廣告投資報酬率績效卓著。 屈臣氏引進insider AI演算機制主要是為了加強客戶體驗，透過AI的個人化、整合式行銷模組提升顧客戶消費的互動體驗。進而提升電子商務轉換率，以及透過AI的功能找尋對的客戶，增加新的客群、提供顧客更好的購物消費者體驗。 各頁依據客戶行為觸發折扣碼複製功能推薦 Insider 有許多原本已經研發好的技術模組，可以提供各種客戶於應用情境內去使用，搭配客戶在特定情況下所需要提升轉換率，可以提供許多不同功能的模組使用，目前屈臣氏電商網站APP使用insider不同模組，另有部分也會根據屈臣氏的特殊屬性，例如民生回購、導App需求、刮刮樂折扣碼，去設計因應屈臣氏客戶特殊情境的轉換套件或個人化推薦模組。 引進Web APP 個人化推薦、轉化模組套件 有效提升轉換率10 屈臣氏目前已經導入模組中的前四項，預計在2021年完成全部五項模組導入後，預期提升線上線下的互相導購，進而全面提升屈臣氏的整體電商及零售業績。 1 Web Recommendation Conversion Suit 2 App Recommendation Conversion Suit 3 InStory for eCommerce 4 Mobile App Template Store 5 Insider Architect 屈臣氏目前已經導入AT模組，預計2021年底完成 屈臣氏2020年與insider合作以來，引進了Web APP 個人化推薦、轉化模組套件，已有效提升成交轉換率達平均10以上，ROAS 平均10以上。 未來屈臣氏也希望能將POS銷售紀錄導入insider CDP，可以達成更優化的OO互動機制，完成全通路的消費體驗。 透過結合Insider的AI技術，自營的官網加上透過大量的門市銷售數據、會員消費行為累積，以及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者，將大幅提升消費者在Online成交與在線下購物或是進入屈臣氏門市創造互動的機會。藉由新技術在電商寡占的領域，為屈臣氏在消費者心中保持美妝保健類別中獨特的領導地位。

近2,000個在田間蹲點的日子，讓悠由數據應用公司成為台灣在農業數據領域的佼佼者，對於農作物產量、產期與價格的全盤掌握，更讓它做到能與聯合國合作，服務農地面積在短短不到3年，從24公頃擴展至超過6000公頃，飆漲250倍。對於悠由數據應用創辦人兼總經理吳君孝而言，因應全球環保趨勢，成為氣候科技X綠色經濟的數據公司，並服務全球市場，是他創業的終極目標。 工程師出身的吳君孝，在2010年進入資策會，成為涵養他深厚技術與資料科學分析實力的重要沃土，讓他練就一身功夫，得以大展拳腳。「當時，我在做資料分析工程的工作，會內幾乎所有的數據相關資料都會匯集到我這邊，加上那時執行過室內栽培箱，要種菜、種香菇，因此，農業結合數據分析就此埋下創業的種子」。 吳君孝自2016年起，就常常到農場內「蹲點」，跟農民、農改場人員聊天、交換情報，系統性地大量交換資訊，讓吳君孝的農業Know-How快速建立。 堅實的數據分析技術能量 連聯合國都買單 2017年，他離開資策會自行創業，並於2019年創立悠由數據應用公司，目前許多農企業皆是他的客戶，服務的栽種面積從24公頃快速攀升至逾6,000公頃， 2022年可望超過7,000公頃。客戶遍及海外，包括日本、中美洲市場，甚至聯合國下轄機構-世界農民組織，都使用悠由數據支持的「悠由農作物演算系統」。 悠由數據應用公司究竟是如何做到連聯合國機構都買單 悠由數據應用建置的「悠由農作物演算系統」，準確預測產期產量與價格。 首先，由於吳君孝對農業數據的精準掌握，悠由數據應用的客戶不見得要用到感測器Sensor等硬體設備，「感測器成本高，若購買便宜的設備，反而蒐集一大堆雜訊或錯誤數據，完全派不上用場」。吳君孝接著說，蒐集數據不一定要使用感測器，透過我們的數據解決方案可以更直接有效的解決問題。 例如，悠由數據應用的產品之一-悠由金錢報農產價格Linebot，係2020年與LINE合作，蒐集產地、批發、終端價格長達10年以上的數據，由悠由數據自主研發AI演算法，讓系統自主學習農產品交易價格，更以大數據與人工智慧分析進行價格預測分析，協助採購商降低交易風險，讓數據不止於生產端，更擴大應用至農產供應鏈。 以香蕉價格來說，預測價格的準確率從原本70拉高至998。吳君孝指出，不管採購商或農民，對於價格都十分敏感，現在透過悠由金錢報服務，無論是採購商或農民，都能很精準了解農產品價格波動情況。悠由數據也能針對預測作物生長情況、產量、價格預估模型等，向客戶做出最佳的決策建議。目前價格預測可達28種農作物。 精準預估產期及價格波動 悠由數據靠數據分析做出差異化服務 悠由數據應用公司所提供的「悠由農作物演算系統」內建「參數庫」，通常會搜集200～300種參數，不光是溫度、濕度等比較直觀的數據，還會依作物生理的特性去切分。透過有效動態數據的演算法，可以精準估算農作物何時會開花、何時能收成，產量是多少等。如青花菜產期預測準確率為0-4天，開花期預測今年實際使用上是0天，與現場開花時間完全吻合。而在動態的計算當中7天內都是合理範圍，悠由數據的誤差值平均在2-4 天，大多數作物產期準確率均在80以上。 透過有效動態數據演算法，全球超過120種作物可精準預估產期產量及價格。 透過有效動態數據的演算法，可以設定預估產量多少，協助在生產端做調整，悠由數據應用的客戶多以外銷的水果作物為主，如鳳梨、香蕉、芭樂、芒果、文旦、鳳梨釋迦、小番茄、洋香瓜、西瓜、玉荷包，荷蘭豆、毛豆等，尤其是毛豆，佔台灣外銷第一，種植面積達400多公頃。全球120多種作物、超過600個品種都可以適用此套系統。 台灣農業生產同質性高，容易造成一窩蜂搶種，導致價格崩跌，悠由數據應用要幫助客戶做出差異化，因此，吳君孝將公司定位在精緻的數位顧問，所採取的策略是慎選客戶，重質不重量。他分析，台灣的農業客戶著重的是如何提升良率，甚至將良率分級，規格品質均佳，走精緻化的高階外銷市場；國外客戶重視的是如何提升單位產量，國內外的操作方式有別。 除了農作水果外，悠由數據應用也將服務觸角延伸至漁業，包括虱目魚、金目鱸、白蝦等，均使用同一套系統，將各種跟魚蝦生長有關的參數建立起來，何時下料、何時收成，產量多少等，藉此預測產期、產量及價格。 悠由數據應用善用數據力量，創造智慧農業奇蹟。 因應公司的高速發展，悠由數據應用於2021年引進創投資金，進行人員擴充與業務推展。吳君孝表示，因應全球2050年淨零碳排趨勢，未來也計畫將協助客戶在土壤中種碳，有效將碳保留在土地上，同時引介客戶對接碳交易平台，與客戶共創環保商機。 吳君孝表示，剛開始創業時就將公司定位為全球化公司，因此，與國際合作的方案將不斷推出。而成為氣候科技X綠色經濟的數據公司服務全球，這是吳君孝對自己的期許及公司的長遠目標。 悠由數據應用創辦人兼總經理吳君孝

60歲的黃先生因中風住進醫院，在加護病房躺了兩周之後，突然病情急轉直下，經過搶救之後，才幸運撿回一命。事實上，在AI病危預警技術的輔助下，讓醫院能在病患心臟停止前的6-8小時，發現徵象並採取及時、準確的醫療措施，可大大降低病患院內死亡的機率。 病情的惡化是一個隨時間演進的過程，其細微推移變化絕非無脈絡可循。過往的研究報告顯示，發生非預期性院內心跳停止的住院病人中，約有六至七成在其心臟停止前6到8小時前已有徵象，但是卻僅有四分之一被臨床人員所偵知發覺，因此需要一種能更早期、並持續使用風險預警工具或系統監測病情，隨時警示醫護人員注意患者病情的細微變化，在病情進展前採取及時、準確的干預措施，有效減少不良事件或嚴重不良事件的發生風險。 非預期性病情惡化 無法及早偵測 急重症患者常出現不可預測的變化，及時發現或能預測潛在急重症患者為重要的課題。目前臨床常用的評估方式為Modified Early Warning Score MEWS，利用簡單的生理參數評估 包含心跳、呼吸速率、收縮壓、體溫、排尿量及意識狀態篩選出高危險群病人，已經證實可以預測病人的臨床預後。 MEWS為單一時間點且制式化公式的評分機制，然而，博鑫醫電所研發的 AI病危預警-醫院急重症病危提早預警指標系統EWS，係以即時反應預測病人狀態為目的，收集病患的連續性時間之生理資料進行深度學習，找出最佳預測模型，提高整體準確度。 博鑫醫電以大數據分析模型建置早期警訊系統EWS、IoT物聯網及5G通信技術，讓醫護人員透過通訊設備遠距離監控病患的生理狀況，監控急重症快速的病情變化，能掌握心臟停止前的6-8小時黃金搶救期。 博鑫醫電導入AI視覺判讀之後，無人化操作方式可大大降低醫護人力 博鑫醫電開發之AI技術為梯度提升集成學習系統 Gradient Boosting Ensemble Learning System, GBELS 建置早期預警系統，為該公司開發之具有學習型之EWS預測演算法，屬於集成學習 Ensemble Learning的一環，且歸類於監督式學習，提供以下三項功能： 一、早期警訊風險通知，以將具有代表性的數據，以GBELS進行分析，提供早期風險評分，讓醫護人員可即時進行臨床評估及提供適當醫療處置。 二、降低醫護人力：收集連續性生理監護數據，如心跳、呼吸、血壓及血氧濃度等，降低醫護人員書寫病例時間。 三、結合IOT物流網及5G通信技術，快速傳輸監護參數和影像資料等醫療數據，協助醫護人員透過通訊設備，遠距離監控患者的病情變化。 AI病危系統監測 掌握黃金治療期 博鑫醫電表示，急重症患者評估疾病嚴重程度是一項複雜工作，患者經常出現不可預測的變化。臨床醫護人員對病情判斷經常根據自己臨床經驗或直覺，缺乏科學、客觀，導致無法正確識別、及時發現潛在急重症患者，導致或誤診導致病患院內死亡率增加。 導入AI早期病危預警系統可輔助急重症的醫護人員正確的預判患者病情，更能讓患者即時受到需要的照料，藉此可以減少同時間急重症病房的人力安排並降低人力成本。 此外，易於攜帶的設計更有助於日後將系統導入救護車、居家照護等場所，對於急診患者可以更早得到適當的照料。院內的其他科別也可以在這套系統周邊開發新的應用，可有效加速智慧醫療技術的發展及推廣；以時下新冠疫情仍然肆虐全球多國的情況，此一系統也可以協助各地醫院更有效地照顧及監控重症患者的病情。 除了AI病危預警外，博鑫醫電也研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS，也就是以AI影像判讀技術，發展生命支持類醫療器材之自動化品質檢測儀器，解決醫療儀器檢測耗時問題，可降低70的檢測時間，提高3倍的檢測數量、有效降低50的人力成本，同時100合乎法規要求，逐步解決醫療領域人力不足、醫療資源短缺、醫護工作超載等問題。目前已於中國大陸扎根，積極在歐洲為落地做準備，未來將朝日本及美國市場發展。 博鑫醫電研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS，解決醫療儀器檢測耗時問題，可降低70的檢測時間。 現階段博鑫醫電的智慧醫療技術已導入包括新竹馬偕、彰基、東元綜合醫院、高雄工學大學附設醫院、振新醫院、新泰醫院、台北醫學大學附設醫院等醫療院所；國際知名醫材製造商GE HealthcareInc、中國最大醫材製造商邁瑞醫療，皆為博鑫醫電代表性客戶。